-
global nonlocal
-
补充：
默认参数的陷阱
如果你的默认参数指向的是可变的数据类型，那么你无论调用多少次这个默认参数，都是同一个。
默认参数的陷阱 # def func(name,sex='男'): # print(name) # print(sex) # func('alex') 陷阱只针对于默认参数是可变数据类型： def func(name,alist=[]): alist.append(name) return alist ret1 =func('holting') print(ret1,id(ret1)) ret2 =func('太白金星') print(ret2,id(ret2)) # 如果你的默认参数指向的是可变的数据类型，那么你无论调用多少次这个默认参数，都是同一个。 #两道面试题： # def func(a, list=[]): # list.append(a) # return list # print(func(10,)) # [10,] # print(func(20,[])) # [20,] # print(func(100,)) # [10,100] # l1 = [] # l1.append(10) # print(l1) # l2 = [] # l2.append(20) # print(l2) # l1.append(100) # print(l1) # # def func(a, list= []): # list.append(a) # return list # ret1 = func(10,) # ret = [10,] # ret2 = func(20,[]) # [20,] # ret3 = func(100,) # ret3 = [10,100] # print(ret1) # [10,] [10,100] # print(ret2) # 20,] [20,] # print(ret3) # [10,100] [10,100]局部作用域的坑：
默认参数的陷阱： # def func(name,sex='男'): # print(name) # print(sex) # func('alex') 陷阱只针对于默认参数是可变数据类型： def func(name,alist=[]): alist.append(name) return alist ret1 =func('holting') print(ret1,id(ret1)) ret2 =func('太白金星') print(ret2,id(ret2)) # 如果你的默认参数指向的是可变的数据类型，那么你无论调用多少次这个默认参数，都是同一个。 #两道面试题： # def func(a, list=[]): # list.append(a) # return list # print(func(10,)) # [10,] # print(func(20,[])) # [20,] # print(func(100,)) # [10,100] # l1 = [] # l1.append(10) # print(l1) # l2 = [] # l2.append(20) # print(l2) # l1.append(100) # print(l1) # # def func(a, list= []): # list.append(a) # return list # ret1 = func(10,) # ret = [10,] # ret2 = func(20,[]) # [20,] # ret3 = func(100,) # ret3 = [10,100] # print(ret1) # [10,] [10,100] # print(ret2) # 20,] [20,] # print(ret3) # [10,100] [10,100]global nanlocal
global 1,在局部作用域声明一个全局变量。 name = 'alex' def func(): global name name = '太白金星' # print(name) func() print(name) def func(): global name name = '太白金星' # print(name) print(globals()) func() # print(name) print(globals()) 2.修改一个全局变量 count = 1 def func(): global count count += 1 print(count) func() print(count) monlocal 1.不能够操作全局变量 count = 1 def func(): nonlocal count count +=1 func() 2.局部作用域：内层函数对外层函数的局部变量进行修改。 def wrapper(): count = 1 def inner(): nonlocal count count +=1 print(count) inner() print(count) wrapper() -
-
函数名的运用
1.函数名指向的是函数的内存地址。 函数名+（）就可以执行此函数。 # def func(): # print(666) # # # func() # # a = 1 # # a() # # func() # # a = {'name': 'alex'} # # b = {'age' : 18} # # a = 1 # # b = 2 # # print(a + b) # print(func,type(func)) # <function func at 0x000001BA864E1D08> # func() 2.函数名就是变量。 # def func(): # print(666) # a = 2 # b = a # c = b # print(c) # f = func # f1 = f # f2 = f1 # f() # func() # f1() # f2() # # def func(): # print('in func') # # def func1(): # print('in func1') # # func1 = func # func1() # a = 1 # b = 2 # a = b # print(a) 3.函数名可以作为容器数据类型的元素 # def func1(): # print('in func1') # # def func2(): # print('in func2') # # def func3(): # print('in func3') # # a = 1 # # b = 2 # # c = 3 # # l1 = [a,b,c] # # print(l1) # l1 = [func1,func2,func3] # for i in l1: # i() 4.函数名可以作为函数的参数 # def func(a): # print(a) # print('in func') # b = 3 # func(b) # print(func) # def func(): # print('in func') # # def func1(x): # x() # func() # print('in func1') # # func1(func) 5.函数名可以作为函数的返回值。 def func(): print('in func') def func1(x): print('in func1') return x ret =func1(func) ret() -
新特性：格式化输出
# %s format # name = 'holting' # age = 18 # msg = '我叫%s,今年%s' %(name,age) # msg1 = '我叫{},今年{}'.format(name,age) 新特性：格式化输出 # %s format # name = 'holting' # age = 18 # msg = f'我叫{name},今年{age}' #print(msg) 可以追加表达式 dic = {'name':'holting','age':666} msg = f'我叫{dic['name']},今年{dic['age']}' print(msg) # count = 7 # print(f'最终结果：{count**2}') # name = 'barry' # msg = f'我的名字是{name.upper()}' # print(msg) 结合函数写 def _sum(a,b): return a+b msg = f'最终的结果是；{_sum(10,20)}' print(msg) 注意： ！ , : {} ; 这些标点不能出现在{}这里面优点：（python3.6后出现的）
-
结构更加简化。
-
可以结合表达式，函数进行使用。
-
效率提升很多
-
-
迭代器：
-
可迭代对象
字面意思：对象？python中一切皆对象。一个实实在在存在的值，对象。
可迭代？更新迭代。重复的，循环的一个过程，更新迭代每次都有新的内容，
可以进行循环更新的一个实实在在值。
专业角度：可迭代对象？内部含有'iter' 方法的对象，可迭代对象。
目前学过的可迭代对象？ str list tuple dict set range 文件句柄
-
获取对象的所有方法并且以字符串的形式表现： dic()
-
获取一个对象是否是可迭代对象
s1 = 'fjdskl' # l1 = [1,2,3] print(dir(s1)) print(dir(l1)) print('__iter__' in dir(s1)) # print('__iter__' in dir(range(10))) -
小结
-
字面意思：可以进行循环更新的一个实实在在的值。
-
专业角度： 内部含有’iter' in dir (对象)
-
str list tuple dict set range
-
优点：
- 存储的数据比较直接能显示，比较直观。
- 拥有的方法比较多，操作方便。
-
缺点：
- 占用内存。
- 不能通过for循环，不能直接取值（除索引，key）
-
迭代器
-
迭代器的定义
-
- 字面意思：更新迭代，器：工具：可更新迭代的工具。
- 专业角度：内部含有
'__iter__'方法并且含有'__next__'方法的对象就是迭代器。 - 可以判断是否是迭代器：
'__iter__'and'__next__'在不在dir(对象)
-
判断一个对象是否是迭代器
with open('文件1',encoding='utf-8',mode='w') as f1: print(('__iter__' in dir(f1)) and ('__next__') in dir(f1)) -
迭代器取值
s1 = 'fjdag' obj = iter(s1) # s1.__iter__() # print(obj) # print(next(obj)) # print(obj.__next__()) # print(next(obj)) # print(obj.__next__()) # print(next(obj)) # print(obj.__next__()) # print(next(obj)) # print(obj.__next__()) # print(next(obj)) # print(obj.__next__()) # print(next(obj)) # print(obj.__next__()) # l1 = [11,22,33,44,55,66] # obj = iter(l1) # print(next(obj)) # print(next(obj)) # print(next(obj)) # print(next(obj)) # print(next(obj)) # print(next(obj)) -
可迭代对象如何转化成迭代器
iter([1, 2, 3])
-
while循环模拟 for 循环机制
l1 = [11,22,33,44,55,66,77,88,99,1111,1133,15652] # 将可迭代对象转化成迭代器。 obj = iter(l1) while 1: try: print(next(obj)) except StopIteration: break -
小结
- 字面意思：更新迭代，器：工具：可更新迭代的工具。
- 专业角度：内部含有
'__iter__'方法并且含有'__next__'方法的对象就是迭代器。 - 优点：
- 节省内存。
- 惰性机制，next一次，取一个值。
- 缺点：
- 速度慢。（以时间换空间）
- 不走回头路（next）
-
可迭代对象与迭代器的对比
- 可迭代对象是一个操作方法比较多，比较直观，存储数据相对比较少（几百万个对象，8G内存是可以承受的）的一个数据集。
- 当你侧重于对于数据可以灵活处理，并且内存空间足够，将数据集设置为可迭代对象是明确的选择。
- 是一个非常节省内存，可以记录值位置，可以通过循环+next方法取值，但是不直观，操作方法比较单一的数据集。
- 当你的数据量过大，大到足以撑爆你的内存或者你以节省内存为首选因素时，将数据集设置为迭代器是一个不错的选择。
-
-
今日总结
-
- 默认参数的坑，作用域的坑 ***
- 格式化输出 ***
- 函数名的应用。***
- 对比：迭代器是什么？ 迭代器的优缺点。可迭代对象转化成迭代器。next取值. ***
-